人工智能在葡萄膜炎诊断中的应用指南（2025）.docxVIP

人工智能在葡萄膜炎诊断中的应用指南（2025）

摘要

葡萄膜炎是累及虹膜、睫状体和脉络膜的眼内炎症，病因复杂。既往准确诊断葡萄膜炎和识别其相关全身性疾病需要综合临床病史、体格检查和辅助检查等进行详细分析，具有较大的挑战性。近年来，人工智能(AI)在诊断决策支持系统中的不断涌现和应用，为葡萄膜炎评估及诊断带来了新的方法。中国医药教育协会智能医学专委会和国际转化医学会眼科学专委会组织专家总结了目前AI在葡萄膜炎疾病中的应用现状，就AI在葡萄膜炎病因诊断、分类和评估方面的应用提出了指导性意见，形成该指南，旨在帮助临床医生诊断、分类和管理葡萄膜炎患者。

1、《人工智能在葡萄膜炎诊断中的应用指南（2025）》制定背景和方法

葡萄膜炎是一种常见的威胁视力的眼内炎症性疾病，占全球视力受损原因的5%~10%［1］。视力丧失最常见的原因是黄斑水肿、青光眼和视网膜缺血［2］。2021年，葡萄膜炎命名标准化(SUN)系统根据解剖位置、发病情况、持续时间、病程和严重程度制定了葡萄膜炎的分类标准［3］。葡萄膜炎病因复杂，表现形式多样，与大约80种不同的病因有关，其中最常见的是感染性、自身免疫性或自身炎症性疾病，鉴别诊断比较困难［4］，这可能导致过多的检测和费用。此外，眼部特征（如眼部病变部位、慢性病和相关体征）和眼外特征（临床检查和全身检查）中存在大量潜在相关变量，使得病因诊断变得复杂［4-5］。在欧美国家，约四分之一的葡萄膜炎诊断与单独的眼科疾病有关，约四分之一与确诊的全身性疾病有关，约四分之一与疑似全身性疾病有关，23%~44%的患者病因仍未确定［6］。对于缺乏经验或非专业的临床医师而言，葡萄膜炎是一种难以诊断和分类的疾病［7］。近年来，人工智能（AI）在海量数据的分析、解释和利用方面显示出越来越大的实用性，已被提议作为辅助疾病鉴别诊断的工具［8-9］。在眼科领域中，AI算法已应用于干眼［10］、白内障［11］、青光眼［12］和眼底疾病［13］，这些算法大多数也可以应用于葡萄膜炎眼科检查。最近，研究人员发现AI技术在葡萄膜炎的诊断、分类和确定潜在病因方面表现出潜力［14-15］。AI算法有助于处理辅助检查和影像学中的重要发现，从而有助于诊断葡萄膜炎。

由于葡萄膜炎诊断的复杂性以及缺乏强有力的证据或共识来指导诊断方法，中国医药教育协会智能医学专委会和国际转化医学会眼科学专委会于2023年6月成立《人工智能在葡萄膜炎诊断中的应用指南（2025）》专家组，组织执笔专家、葡萄膜炎专家、眼科影像专家于2023年7月3日认真学习国内外AI在葡萄膜炎中的应用研究文献，并结合眼科AI临床研究的实践经验，召开线下和线上会议，针对AI在葡萄膜炎中的应用进行充分讨论和论证，并分析当前面临的挑战以及未来发展方向。由执笔专家组成员撰写指南初稿，初稿形成后通过电子邮件和微信方式由各位专家独立阅读并提出修改意见，分别提交指南撰写组核心成员，修改意见经过整理后，通过微信、邮件等方式，并借助线上会议平台进行讨论，随后加以归纳，指南在修改期间充分接受参与专家的建议和指导意见，最终达成指南终稿，旨在帮助眼科医生理解、研究和临床应用AI技术。本指南制定过程历时1年余。

2、葡萄膜炎中的AI

葡萄膜炎最常用的分类由国际葡萄膜炎研究小组于1987年制定，其基于解剖学受累的位置将葡萄膜炎分为前葡萄膜炎、中葡萄膜炎、后葡萄膜炎和全葡萄膜炎等四种类型［16］。2005年，SUN小组对此进行了扩展［17］。根据病原体不同，分为感染性（细菌、病毒、真菌或寄生虫）葡萄膜炎、非感染性或伪装性葡萄膜炎［16］。感染性葡萄膜炎在发展中国家更为普遍，最常见的病因是弓形虫病和结核病。其他主要的感染性病因包括梅毒、盘尾丝虫病、囊虫病、麻风病和钩端螺旋体病［18］，在发达国家，非感染性或免疫介导性葡萄膜炎更为常见。

AI在葡萄膜炎中的应用，主要体现在潜在病因诊断、分类和评估方面［19］。在眼科领域，临床数据与影像学检查（如眼底照相和OCT）相结合，可用于诊断、管理和跟踪眼部疾病。因此，专家组构建了AI辅助图像分析诊断葡萄膜炎疾病系统流程图，推荐大家参考使用（图1）。在葡萄膜炎的筛查中，主要应用了计算机视觉模型，通过眼前节图像（例如裂隙灯、眼前段照相）或者眼底视网膜图像（例如眼底照相、OCT等）数据集来训练筛查模型，利用预处理技术和优化器来实现更好的性能，预处理包括调整大小和增强过程（随机裁剪、旋转、亮度变化和翻转）以及多个神经网络架构。在葡萄膜炎的检测中，主要通过应用检测软件和卷积神经网络来检测不同部位，例如眼前段和玻璃体炎症体征，并对前、后OCT和眼底照片上的炎症病变进行分级。检测和分级眼前段和玻璃体炎症对于葡萄膜炎至关重要。然而，在一些发现检测算法中，评估是通过OCT进行的，而OCT并不是进行此类评估的理想检查。